在Rust Polars中如何类似fill_null那样替换Series中的指定值？

以下是不同技术栈下的简单实现方式，均为原生库自带的向量化操作，性能足以应对绝大多数数据集规模：

Python（pandas 场景，最常用） #

核心逻辑是先将作为缺失值标识的0转为标准空值，再调用原生前向填充方法：

import pandas as pd
import numpy as np

# 全表替换+前向填充
df = df.replace(0, np.nan).ffill()

# 仅指定列处理（避免覆盖有效值为0的列）
target_cols = ["列1", "列2"]
df[target_cols] = df[target_cols].replace(0, np.nan).ffill()

• 参数说明：ffill()默认按行向下填充，如需按列向左/向右填充，可加axis=1参数；可加limit=N限制最多连续填充N个空值。
• 性能：百万行数据集处理耗时通常在100ms以内。

R 场景 #

使用dplyr+tidyr的原生方法即可实现：

library(dplyr)
library(tidyr)

# 全表处理
df <- df %>%
  mutate(across(everything(), ~ifelse(.x == 0, NA, .x))) %>%
  fill(everything(), .direction = "down")

# 指定列处理
target_cols <- c("列1", "列2")
df <- df %>%
  mutate(across(all_of(target_cols), ~ifelse(.x == 0, NA, .x))) %>%
  fill(all_of(target_cols), .direction = "down")

注意：如果数据集首行存在0值，前向填充无法填补首行空缺，需要额外补充首行填充逻辑（比如用后向填充补首行，或者固定默认值）。

内容的提问来源于stack exchange，提问作者JulioBarros